一、活动简介
“CSIG图像图形中国行”活动旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了30余期，参会人数累计4000余人，受到业界好评。本次“CSIG图像图形中国行”由山东师范大学和山东省人工智能学会联合承办，交流主题为“智能多媒体计算”。
主办：中国图象图形学学会
承办：山东师范大学、山东省人工智能学会
时间：2021年6月5日14:00~18:00
地点：山东师范大学长清湖校区文宗楼信工学院506室
二、执行主席
张化祥 教授
山东师范大学二级教授，博士生导师。曾任信息科学与工程学院院长。获聘泰山学者特聘教授、山东省有突出贡献的中青年专家、山东省智库高端人才、山东省优秀研究生指导教师、山东师范大学教学能手、十佳优秀教师等称号。为山东省高水平应用型重点建设专业群和国家一流专业负责人。担任山东省人工智能学会副理事长、多个专业委员会委员等。主持国家自然科学基金重点项目、面上项目、山东省重大基础研究项目及其它项目多项，主持省级精品课程建设项目。获山东省自然科学奖、科技进步奖、山东省优秀教学成果奖及山东省高等学校优秀教材奖二等奖等。在国内外著名期刊和会议发表学术论文，包括IEEE汇刊（TIP、TMM、TCSVT、TNNLS、TCYB）、PR、Automatic、中国科学（英文版）、自动化学报及国际会议ACM MM、SIGIR、KDD、AAAI等，其中SCI收录110余篇、EI收录170余篇。2篇论文获得CCF A类会议的最佳论文提名。授权国家发明专利25件，获计算机软件著作权14件，参与1项省级标准制定，主编教材2部。
郑元杰 教授
工学博士，教授、博士生导师，泰山学者海外特聘专家，山东师范大学信息科学与工程学院院长、“智能信息计算与安全”“十三五”山东省高校重点实验室主任。主要从事人工智能、计算机视觉、医学图像分析等领域的研究。在IEEE TPAMI等顶级期刊及CVPR等知名国际会议上发表学术论文107篇，文章入选高被引论文（单篇SCI引用次数达1160次），论文获美国医学物理学会封面论文奖。主持国家自然科学基金面上及山东省重大基础研究项目，以第一完成人身份获山东省科技进步二等奖。获“山东教育系统优秀共产党员”、“山东省留学人员回国创业奖”等荣誉称号。
朱磊 教授
山东师范大学教授，博士生导师，多媒体智能计算山东省高等学校青年创新团队负责人。主要研究方向是大规模多媒体检索。共发表或录用论文中国计算机学会（下简称CCF）推荐A类会议长文、ACM/IEEE的汇刊论文65篇（第一作者或通讯作者24篇）。Google Scholar引用2600多次，H-index为26，ESI高被引论文4篇。获得CCF A类会议ACM SIGIR 2019的唯一最佳论文提名奖，CCF A类会议ACM MM 2019的最佳论文提名，ADMA 2020的最佳论文奖，1篇论文入选2019年中国百篇最具影响国际学术论文。拥有第一发明人授权专利6项（转化2项）。担任包括中科院SCI一区期刊IPM在内4个SCI期刊的编委，任多媒体领域权威国际会议ACM MM领域主席。主持基金委青年项目、山东省优秀青年基金项目，参与基金委重点项目、山东省自然科学基金重大基础研究项目等多项课题。获得ACM中国SIGMM新星奖，山东省人民政府颁发的山东省留学回国人员创业奖、山东省人工智能优秀青年奖。
三、特邀专家
吴建鑫 教授
南京大学教授、博士生导师。主要从事计算机视觉和机器学习领域的研究，在人工智能重要期刊和会议如TPAMI、 JMLR、 ICCV、CVPR等发表论文六十余篇。担任国内外重要期刊TPAMI、PR、《自动化学报》的编委，多次担任重要国际会议CVPR、ICCV、AAAI、IJCAI等的(资深)领域主席。据Google Scholar统计，论文被60余个国家和地区的学者他引超过10000次。
主题报告1：面向非充分数据的深度学习
非充分数据指的是当数据自身的数量或其标记的数量、质量存在缺陷的情况，如数据总量小、标记数量少、标记质量差、分布不均衡等。当前视觉深度学习研究的一个重要方向是：从具有大量准确标记的图像数据这一理想情况，转向对非充分数据情形下的研究。报告将从非充分数据的三种常见情况：数据总量少、分布不均衡、标记质量差，介绍本研究小组在非充分数据研究方面的一些进展。
胡永利 教授
北京工业大学教授，博士生导师，北京人工智能研究院研究员。北京市百千万人才工程入选者，北京市高层次创新创业人才支持计划领军人才。长期从事模式识别、计算机视觉、机器学习和智能交通等方面的研究，近年来关注图像视频聚类、多视聚类、跨媒体和图网络等方面的研究，提出了流形上的低秩表示模型，动态图网络和层次化图网络等新方法。主持国家自然科学基金联合基金重点、面上和北京市科技计划等项目10余项。共发表论文110余篇，其中包括IEEE TIP、TNNLS、TCYB、TMM、TCSVT、TITS、ACM TKDD等IEEE/ACM汇刊和CVPR、AAAI、IJCAI、ACM MM等CCF A类会议论文30余篇。获得国家发明专利授权 22 项。获2020吴文俊人工智能科技进步奖一等奖、2020青岛市科技进步奖二等奖、2017年和2018年国家自然科学基金委水下机器人目标抓取大赛二等奖。
主题报告2：图像视频数据流形上的稀疏低秩子空间聚类
图像视频等高维数据的表示和学习一直是模式识别、计算机视觉和机器学习领域的研究热点。由于高维图像视频数据往往产生于非线性结构的流形空间，因此其紧致表示、特征表达和学习分类面临巨大挑战。传统稀疏低秩表示理论在数据表示和分类方面取得了很大成功，但在欧氏空间的数据表示方式忽略了高维数据的非线性结构，对图像视频等数据的表示效果并不理想。针对该问题，我们提出流形上的稀疏低秩表示模型，在图像视频数据流形表示的基础上，建立了单一流形、乘积流形和异构流形上的稀疏低秩表示模型，给出了保持流形结构和非线性度量的模型约束，解决了流形上稀疏低秩优化求解问题，实现了流形上的稀疏低秩子空间聚类。提出的方法应用于多个图像视频数据集的聚类，对比传统方法聚类性能显著提升。
查红彬 研究员
北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任。主要从事计算机视觉与智能人机交互的研究，在三维视觉几何计算、三维重建与环境几何建模、三维物体识别等方面取得了一系列成果。出版学术期刊及国际会议论文300多篇，其中包括IEEE T- PAMI，IJCV, IEEE T-VCG, IEEE T-RA, IEEE T-SMC,ACM T-IST, JMLR, PR 等国际期刊以及ICCV, ECCV, CVPR, CHI, ICML, AAAI,ICRA等国际学术会议论文100多篇。
主题报告3：动态视觉与SLAM：在线学习的途径
三维视觉的一个主要任务是利用传感器视点的变化与成像几何的约束来实现三维场景的几何与结构重建。因此，伴随传感器移动的动态视觉与3D视觉的关系愈加密切，SLAM（Simultaneous Localization and Mapping：即时定位与地图构建）技术再度成为3D视觉领域的研究热点。为了提高动态视觉系统在真实复杂场景中的应用能力，我们应充分强化视觉系统的环境自适应性，而在线学习方法是实现这一目标的有效途径。该报告将围绕基于在线学习的SLAM问题，介绍我们近来的一些想法和尝试，主要内容包括：面向自监督视觉里程计的序列对抗学习方法；具有在线自适应能力的自监督SLAM学习。
龚怡宏 教授
西安交通大学软件学院院长，国家特聘教授，IEEE Fellow，国家973项目首席科学家，视觉信息处理国家工程实验室副主任，陕西省人工智能联合实验室执行副主任。共出版英文专著3部，在国际知名学术期刊和会议上发表论文200余篇，他引26,000多次，单篇最高他引3,700多次，谷歌H-index为67。于ACM SIGIR 2003会议上发表的文章获得最有影响力文章提名奖 (Time of Impact Award Honorable Mention)。多次入选AI 2000最具影响力TOP100学者榜单。拥有美国和中国发明专利30余项。研究领域包括人工智能，计算机视觉及多媒体内容分析等。是学术界最早开展体育视频内容分析，基于图像内容的以图搜图检索，以及提出图像稀疏编码特征向量的国际知名学者，引领了国际上大量学者的研究，带领团队多次获得国内外图像视频内容分析领域技术大赛的冠军。
主题报告4：受脑启发的神经网络计算模型
当前的主流深度学习神经网络（DNN）面临三大科学难题：1）主要依靠不断加大网络复杂度和训练样本数量来提高图像识别精度，缺乏可解释性；2）进行图像分类时发生“纹理偏执”的问题；3）增量学习新知识时发生“灾难性遗忘”旧知识的问题。迄今为止，学术界围绕上述三个问题提出的各种解决方法大都效果不佳，且缺乏理论依据。
本课题组通过与脑认知科学领域的专家学者进行深层次的合作，从人脑视觉感知与认知机理的研究成果中获取灵感，并致力于将人脑视觉通道的某些特性转化为计算模型，在不改变现有神经网络层数及复杂度的情况下显著提升其图像识别精度。本次报告将概括介绍本课题组在解决上述DNN科学难题方面所取得的若干最新研究成果，并针对当前深度学习卷积神经网络的研究提出新的研究思路与方向。
韩军伟 教授
西北工业大学教授，获聘2018年度长江学者特聘教授，入选第四批国家“万人计划”科技创新领军人才，科睿唯安全球“高被引科学家”，爱思唯尔中国“高被引学者”。主要研究方向是人工智能、模式识别、类脑计算、遥感影像解译等。在领域顶级期刊/会议如：Proceedings of the IEEE，IEEE TPAMI，CVPR，ICCV，MICCAI等发表学术论文100余篇，论文被引用1.7万次。3篇论文入选年度中国百篇最具影响国际学术论文。获2021年度IEEE GRSS Highest Impact Paper Award（IEEE地球科学与遥感学会最有影响力论文奖）、国际期刊IEEE TCSVT 2021最佳论文奖、国际会议IEEE BIBM 2018最佳论文奖，国际会议ACM Multimedia 2010，MICCAI 2011和ICME 2016最佳学生论文奖提名。培养多名博士生/博士后获得中国图象图形学学会（国家一级学会）优秀博士论文奖、陕西省优秀博士论文奖、博士后创新人才支持计划等。获陕西省科学技术一等奖（排名第一）等6项省部级科技奖。担任IEEE Trans. on Neural Networks and Learning Systems、IEEE Trans. on Cybernetics、IEEE Trans. on Multimedia等多个国际期刊编委，任国际会议如:CVPR, ICPR, ACCV等的领域主席。
主题报告5：遥感影像 “深度”解译
遥感影像解译是遥感大数据信息挖掘与提取的关键技术，具有重要的民用和军事应用价值，也是近年来遥感应用领域的研究热点问题。本报告介绍了深度学习在高分遥感影像解译方面的一些典型应用。首先，针对高分遥感图像大规模数据库相对稀少的问题，我们发布了两个公开的高分图像数据库，分别用于场景分类和目标检测。其次，针对高分遥感影像解译存在的一些难点问题和不同的应用需求，介绍了几种基于弱监督学习/全监督学习的目标检测和图像场景分类方法。
四、会议流程
14:00-14:05 活动开始 承办方致辞
（讲者按姓氏笔画排序）
14:05-14:45 面向非充分数据的深度学习
特邀讲者：吴建鑫教授
14:45-14:50提问环节
14:50-15:30 图像视频数据流形上的稀疏低秩子空间聚类
特邀讲者：胡永利研究员
15:30-15:35 提问环节
15:35-16:15 动态视觉与SLAM：在线学习的途径
特邀讲者：査红彬教授
16:20-17:00 受脑启发的神经网络计算模型
特邀讲者：龚怡宏教授
17:00-17:05 提问环节
17:05-17:45 遥感影像 “深度”解译
特邀讲者：韩军伟教授
17:45-17:50提问环节
17:50~17:55承办方总结 活动结束
五、联系方式
承办方联系人：朱老师 15165052783 leizhu0608@gmail.com
主办方联系人：黄老师 010-82544661 membership@csig.org.cn
